Pangu-Weather

GraphCast

AI 모델

전 세계 날씨를 예측하는 AI 모델로, 1분 이내에 전례 없는 정확도로 10일간의 예측을 제공합니다. 기존 시스템보다 훨씬 뛰어나며, 사이클론 및 폭염과 같은 극한 기상 현상에 대한 조기 경보를 제공하고, 이제 전 세계 과학계의 이익을 위해 오픈 소스로 공개되었습니다.GraphCast는 전 세계 날씨를 예측하는 AI 모델로, 1분 이내에 전례 없는 정확도로 10일간의 예측을 제공합니다. 기존 시스템보다 훨씬 뛰어나며, 사이클론 및 폭염과 같은 극한 기상 현상에 대한 조기 경보를 제공하고, 이제 전 세계 과학계의 이익을 위해 오픈 소스로 공개되었습니다.

LSTNet

AI GitHub 저장소

시계열 예측을 위해 설계된 딥러닝 모델입니다. 순환 신경망과 컨볼루션 신경망의 조합을 사용하여 장단기 시간 패턴을 효과적으로 모델링합니다. 이 모델은 복잡한 시계열 데이터에 특히 유용합니다.LSTNet은 시계열 예측을 위해 설계된 딥러닝 모델입니다. 순환 신경망과 컨볼루션 신경망의 조합을 사용하여 장단기 시간 패턴을 효과적으로 모델링합니다. 이 모델은 복잡한 시계열 데이터에 특히 유용합니다.

Autoformer

AI GitHub 저장소

분해 트랜스포머와 자동 상관 메커니즘을 활용하는 장기 시계열 예측을 위한 AI 모델입니다. 다양한 벤치마크에서 최첨단 결과를 달성하며, 실제 애플리케이션에서 예측 정확도를 향상시키기 위한 시리즈별 연결에 대한 새로운 접근 방식을 제공합니다.Autoformer는 분해 트랜스포머와 자동 상관 메커니즘을 활용하는 장기 시계열 예측을 위한 AI 모델입니다. 다양한 벤치마크에서 최첨단 결과를 달성하며, 실제 애플리케이션에서 예측 정확도를 향상시키기 위한 시리즈별 연결에 대한 새로운 접근 방식을 제공합니다.

FEDformer

AI GitHub 저장소

효율적인 장기 시계열 예측을 위해 설계된 주파수 강화 분해 트랜스포머(Frequency Enhanced Decomposed Transformer)입니다. 시퀀스 길이에 대한 선형 복잡성을 달성하여 다변량 및 단변량 데이터셋 모두에서 예측 오류를 크게 줄임으로써 최첨단 방법을 능가합니다. 이 모델은…FEDformer는 효율적인 장기 시계열 예측을 위해 설계된 주파수 강화 분해 트랜스포머(Frequency Enhanced Decomposed Transformer)입니다. 시퀀스 길이에 대한 선형 복잡성을 달성하여 다변량 및 단변량 데이터셋 모두에서 예측 오류를 크게 줄임으로써 최첨단 방법을 능가합니다. 이 모델은…

LTSF-Linear

AI GitHub 저장소

"Are Transformers Effective for Time Series Forecasting?" 논문의 공식 PyTorch 구현입니다. 장기 시계열 예측 작업에서 트랜스포머보다 뛰어난 성능을 제공하는 선형 모델(Linear, DLinear, NLinear) 제품군을 소개하며, 높은 효율성과…LTSF-Linear은 "Are Transformers Effective for Time Series Forecasting?" 논문의 공식 PyTorch 구현입니다. 장기 시계열 예측 작업에서 트랜스포머보다 뛰어난 성능을 제공하는 선형 모델(Linear, DLinear, NLinear) 제품군을 소개하며, 높은 효율성과…

GluonTS

AI 프레임워크

PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.GluonTS는 PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.

PatchTST

AI 모델

Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.PatchTST는 Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.

Chronos-2 — 시계열 예측 모델

AI 모델

제로샷 예측을 위해 설계된 120M 매개변수의 인코더 전용 시계열 기초 모델입니다. 다양한 예측 작업을 지원하며, 단일 A10G GPU에서 초당 300개 이상의 예측을 제공하는 효율성을 자랑합니다.Chronos-2는 제로샷 예측을 위해 설계된 120M 매개변수의 인코더 전용 시계열 기초 모델입니다. 다양한 예측 작업을 지원하며, 단일 A10G GPU에서 초당 300개 이상의 예측을 제공하는 효율성을 자랑합니다.